Conocer la irradiación solar que alcanza la superficie terrestre es necesario para el desarrollo, dimensionamiento y simulación de emprendimientos de aprovechamiento de la energía solar. Si bien en la actualidad el sector energético es el principal usuario de esta información, este conocimiento es también relevante para aplicaciones agropecuarias de producción vegetal e investigación médica. La forma moderna de estimar la irradiación solar sobre sitios específicos o grandes extensiones territoriales es a través de imágenes de satélite, que proveen información sobre la nubosidad. La cadencia de la información generada por satélites meteorológicos geoestacionarios es suficiente para modelar el recurso a escala horaria en la región e incluso, con la puesta en operación del GOES-R en 2018, a escala sub-horaria. En Uruguay, se utiliza desde 2014 un modelo fenomenológico para irradiación solar global horizontal localmente adaptado (JPTv2), con un desempeño muy bueno para la región (RMSD de 13 % de la media, a nivel horario) (Alonso-Suárez, 2017). Este modelo ha permitido, por ejemplo, caracterizar la distribución de largo plazo del recurso solar en el territorio (Alonso-Suárez et al., 2014, 2019) y vincular sus variaciones estacionales con otros efectos climáticos bien estudiados (Laguarda et al., 2020a). En esta tesis se implementan y evalúan modelos de irradiación solar por satélite de naturaleza física e híbrida (Cloud index models o CIM) buscando lograr un desempeño local igual o mejor que el de JPTv2 para GHI (irradiación global) y agregar nuevas capacidades, como la estimación por satélite de DNI (irradiación directa), para la región de la Pampa Húmeda (que incluye todo el territorio del Uruguay). La tesis consta de dos partes: i) Se considera la interacción de la radiación solar con la atmósfera sin nubes, para estimar la irradiación en condiciones de cielo claro. ii) Se incluye información satelital sobre nubosidad para construir, a partir de los modelos de cielo claro, modelos para estimar irradiación solar en condiciones arbitrarias de nubosidad. El desempeño de los modelos de cielo claro está limitado por la disponibilidad y la calidad de los datos sobre la composición de la atmósfera que utilizan como entrada. Ante la falta de medidas locales en la región de interés, se recurre a información sobre la composición de la atmósfera estimada por satélite y por técnicas de reanálisis. Se analiza la información sobre aerosoles, vapor de agua y ozono en la región que proveen estas bases, y se resuelve utilizar la base de reanálisis MERRA-2 (Gelaro et al., 2017) por su buen desempeño y gran cobertura espacio-temporal (Laguarda y Abal, 2020). Además, se caracteriza localmente la turbidez de Linke (Laguarda y Abal, 2016), un parámetro de entrada para modelos de cielo claro con buen balance entre simplicidad y precisión (Laguarda y Abal, 2017). Se implementan y evalúan a nivel horario cinco modelos de cielo claro para GHI y DNI utilizando diferentes fuentes para la información de entrada. Para GHI, un modelo simple como ESRA (Rigollier et al., 2000), que utiliza solo turbidez Linke como entrada, alcanza una precisión comparable con la incertidumbre en las medidas: sesgos menores a 0.5 % y RMSD de 3 % de la media de las medidas. Para DNI el modelo REST2 (Gueymard, 2008) alimentado con información MERRA-2 alcanza un sesgo menor a 0.5 % y RMSD de 6 %. El desempeño de estos modelos los hace una base adecuada para modelos de irradiación solar en presencia de nubosidad. En la segunda parte se presenta un modelo satelital semi-empírico tipo CIM para la estimación horaria de GHI y DNI a nivel de superficie. La propuesta combina los modelos más precisos de irradiación de cielo claro en la región, con un índice de nubosidad obtenido a partir de las imágenes del canal visible del satélite GOES-13 (Laguarda et al., 2020b, 2018). El modelo propuesto es de naturaleza híbrida, en tanto combina un modelo físico con una parametrización empírica, y cuenta con solo dos parámetros ajustables localmente a medidas en tierra. Los parámetros ajustados muestran una gran homogeneidad espacial, lo que permite usar los modelos en todo el territorio sin gran pérdida de precisión. Para el caso de GHI a nivel horario se obtuvo un desvío promedio relativo menor a +1 % y un desvío cuadrático medio relativo (rRMSD) del orden de 12 % de la media de las medidas. Este modelo supera en desempeño en la región de interés a modelos comerciales (Laguarda et al., 2020b), a modelos físicos sofisticados como Heliosat-4 (Qu et al., 2017) e iguala al actualmente mejor modelo JPTv2 (puramente empírico y basado en 4 parámetros ajustables a datos de tierra). La sencillez, aplicabilidad y desempeño del modelo CIM híbrido lo hacen una excelente opción para estimar GHI en el territorio. Para la componente de DNI se obtienen sesgos medios menores a 0.2 % y rRMSD del orden de 20 % de la media de las medidas. Estos resultados colocan a la estrategia semi-empírica como la más conveniente para estimar DNI, en contraposición a las cadenas de modelos fenomenológicos utilizados actualmente (Alonso-Suárez et al., 2019), basadas en la estimación de GHI y la posterior estimación de DNI utilizando parametrizaciones localmente ajustadas de separación directa-difusa (Abal et al., 2017).

Knowledge of the ground level solar irradiation is necessary for solar energy projects’ development, sizing and simulation. Although the energy sector is currently the main user of this information, it is also relevant for agricultural applications and medical research. The modern way to estimate solar irradiation on specific sites (or large territorial extensions) is by using satellite images, which provide the information about clouds. The rate of meteorological geoestationary satellites’ information is adequate to model the solar resource at hourly scale in the region and, with the new satellite GOES-R (since 2018), at a sub-hourly scale. In Uruguay, a locally adapted phenomenological model for global horizontal solar irradiation (JPTv2) has been used since 2014, as it provides a very good performance for the region (RMSD of 13 % of the mean, at hourly level) (Alonso-Su´arez, 2017). This model has allowed to characterize the long-term solar resource distribution in the territory (Alonso-Suárez et al., 2014, 2019) and to relate its seasonal variations with other well-studied large-scale climatic phenomena (Laguarda et al., 2020a). In this thesis, physical and hybrid satellite solar irradiation based models (Cloud index models or CIM) are implemented and evaluated, aiming to achieve a local performance which at least matches that of JPTv2 and provide additional functionality, like the satellite-based estimation of the direct component (DNI). The region of interest is the Pampa Húmeda, which includes the entire territory of Uruguay. The thesis consists of two parts: i) The interaction of solar radiation with the cloudless atmosphere is considered, in order to estimate the irradiation in clear sky conditions. ii) Satellite information on cloud cover then is included to develop, based on the clear sky models and a satellite cloud index, models to estimate solar irradiation under arbitrary clou conditions. The performance of clear sky models is limited by the availability and quality of the atmospheric data used as input. In the absence of long-term local measurements in the region of interest, publicly available information on the composition of the atmosphere estimated by satellite and reanalysis techniques is evaluated. The information on aerosols, water vapor and ozone in the region from two databases is analyzed. The MERRA-2 reanalysis database (Gelaro et al., 2017) is recommended for the region, due to its good performance and space-time coverage (Laguarda y Abal, 2020). In addition, the Linke turbidity factor (Laguarda y Abal, 2016) is locally characterized. This is an input parameter for clear sky models, whith provides an alternative description of the average atmosphere with good balance between simplicity and precision (Laguarda y xvii Abal, 2017). Five clear sky models for GHI and DNI are implemented and evaluated at the hourly level using different sources for the input information. For GHI, a simple model such as ESRA (Rigollier et al., 2000), which only uses Linke turbidity as input, achieves a precision comparable with the measurements uncertainty: biases less than 0.5 % and RMSD of 3 % of the measurements average. For DNI, the REST2 (Gueymard, 2008) model fed with MERRA2 information reaches a bias of less than 0.5 % and RMSD of 6 %. These performances makes these models a suitable basis for solar irradiation modelling in the target region. In the second part, a semi-empirical CIM-type satellite model is presented for the hourly estimation of GHI and DNI at surface level. The proposal combines the most accurate clear sky irradiation models in the region, with a cloudiness index obtained from GOES-13 visible channel satellite images (Laguarda et al., 2020b, 2018). The proposed hybrid model combines a physical model with an empirical parameterization, and has only two locally adjustable parameters (by using ground measurements). The obtained parameters are spatially homogeneous, which allows the models to be used in all the territory without a significant reduction of its of accuracy. In the case of GHI at the hourly level, a relative average deviation of less than +1 % and a relative mean square deviation (rRMSD) of 12 % of the measurements average. This model outperforms commercial models (Laguarda et al., 2020b) and sophisticated physical models such as Heliosat-4 (Qu et al., 2017) in the region of interest, and equals the currently best model JPTv2 (purely empirical and based on 4 adjustable parameters). The simplicity, applicability and performance of the hybrid CIM model make it an excellent option to estimate GHI in the territory. For the DNI component, mean biases less than 0.2 % and rRMSD of the order of 20 % (of measurements average) are obtained. These results make the semi-empirical strategy as the most convenient to estimate DNI in the region, in comparison to the chains of phenomenological models that are currently used (Alonso-Suárez et al., 2019), based on the estimation of GHI and the subsequent estimation of DNI by using locally adjusted parameterizations for directdiffuse separation (Abal et al., 2017).